学校数模培训课件主分量分析.pptxVIP

主成分分析（PCA）冶继民2015年7月什么是主成分 PCA从分析一个n元随机变量x着手其协方差为 , x(1); :::; x(T) 是x的一个容量为T的样本 通常n元随机变量x是像素灰度值或不同时刻信号测量值 在PCA变换中, 向量x 首先被期望置零: x :x-E{x} 然后, 寻找一个方向，记为W1,满足W1*W1’=I, x在其上的投影为y1=w1*x， 使y1的方差为w1’ w1最大问了寻找满足要求的w1，作lagrrange乘数函数由于 w1不为零向量 即 是 的特征根，而且w1是与之对应的特征向量，设 的特征分解为则易见y1=e1*x具有最大方差，称为x的第一主分量，它最大综合反映了x具有的信息。接下来再找第二个方向w2,满足w2’*w2=1,x在w2上的投影y2=w2’*x，使y2与y1不相关而且具有最大方差，即，类似于的w1的情形 求解上约束优化可得w2=e2，y2=e2’*x,它是与y1不相关的方差最大的综合反映x具有信息的随机变量，且方差为称y2为x的第二主分量，由依次下去可得x的直到第r个主分量，r是随机变量x的秩，亦即 的秩。为什么要做主成分分析 主成分分析(PCA) (亦称 Hotelling 变换 , 或 Karhunen -Loμeve 变换) 是数据分析和 信号分析的经典技术 PCA 可以去除数